11.23(토) 개강
-11.23(토)~12.21(토) ※11/30일 휴강
・ 교육과정 | 머신러닝을 위한 AutoML활용 구축 과정 📢 딥러닝자동화(AutoKeras) + Flask Pipeline 시스템구축 -금융/경제 데이터 기반 ※ 32시간 교육 |
・ 학습난이도 | 중급 |
・ 강의시간표 | 토요일반 ( 중소기업O / 대기업X ) ※대면 토 : 09:30 ~ 18:30 (8시간/ 4일) ※ 딥러닝자동화 교육은 주말반만 가능합니다. |
・ 교육장소 | 강남분원 |
・ 수강료 | 재직자 국비지원 과정 전액무료 |
수강료 안내 |
| ||||
어떤 교육 인가요? | 교육 목적 AutoKeras, Tensorflow를 이용한 DNN, CNN, Computer Vision, LSTM 기반의 다양한 모델의 제작 및 Flask를 통한 모바일 서비스 제작 교육 진행 - 실습 위주의 교육 진행 - 실습방식 : Google Colab GPU 기반의 실습 과정 소개 기업이 AI 시스템 도입을 위하여 Tensorflow, Pytorch등을 교육받은 직원을 채용하였지만, 수익으로 발생되는 모델을 만들기까지 대부분의 분석가는 성능이 우수한 AI 모델을 만들기 위하여 많은 시간과 비용을 지불하고, 경험을 구축해야 생산성있는 모델 제작이 가능하였습니다. AI 모델 제작시 최적화(Auto Feature Engineering, Neural Search Architecture, Hyper Parameter Tuning) 문제는 가장 어려운 분야중 하나이며 AutoKeras는 이런 기존 Tensorflow, Pytorch 기반 딥러닝 모델 제작의 어려움을 자동화하여, 더욱 신속하고 높은 수준의 네트워크 모델 제작이 가능하여, 기업이 AI 도입시 시간 지연과 이로 인한 위험부담을 줄여주고, 빠르게 AI 도입을 가능하게 하며 본 과정은 이에 대응하는 AI 개발자 양성을 목표로 하는 과정입니다. 학습 목표 - Coogle Colab등의 개발 환경을 이용하여 Tensorflow, AutoKeras를 활용하여 다양한 형태의 데이터를 대상으로 딥러닝 모델을 제작하고, Flask를 이용하여 웹 서비스를 구현하는 것을 목표로 합니다. 교육 과정 로드맵 1. Anaconda를 이용한 Python기반 가상환경 생성, 2. Tensorflow 설정 3. Google Colab 설정 4. 선형 회귀(Linear Regression) 5. 오차 역전파(Back Propagation) 6. 활성화 함수(activation) 7. 확률적 경사 하강법(SGD) 8. 모멘텀 9. optimizer 옵션 10. 하이퍼파라미터 최적화 11. 과대적합, 수치 및 이미지 데이터 처리 모델 제작 12. CNN, OpenCV를 활용한 딥러닝 모델의 제작 13. LSTM, AutoKeras를 통한 모델 제작 및 웹서비스 시스템의 제작 교육 대상 및 전망 - 딥러닝에 입문하는 개발자 - 딥러닝의 시작을 어디서부터 해야할지 모르는 학생 - Python을 배우고 딥러닝 모델을 개발하고 싶은 구직자 - Tensorflow 모델, Flask를 통한 웹 서비스 시스템의 제작 - AutoKeras를 통한 Tensorflow 자동화 방법 과정강점 - AutoKeras를 이용하여 기존의 입문자가 인공지능 개발에 어려워했던 부분으로, 모델 제작시 노드간의 네트워크 설계 부분을 자동화하여 중급 수준의 모델 제작과 Flask를 이용한 웹서비스 제작 기법을 실습 할 수 있습니다. | ||||
수강에 앞서 어떤게 필요한가요? | 비대면 수업시 pc사양 - | ||||
교육은 이렇게 진행됩니다. |
| ||||
수강료 안내
과정명 | 재직자 국비지원 과정 |
머딥러닝 자동화(AutoKeras) + Flask Pipeline 시스템 구축 과정(금융/경제 데이터 기반) | 전액무료 |
어떤 교육인가요?
교육 목적
AutoKeras, Tensorflow를 이용한 DNN, CNN, Computer Vision, LSTM 기반의 다양한 모델의 제작 및 Flask를 통한 모바일 서비스 제작
학습 목표
Coogle Colab등의 개발 환경을 이용하여 Tensorflow, AutoKeras를 활용하여 다양한 형태의 데이터를 대상으로 딥러닝 모델을 제작하고, Flask를 이용하여 웹 서비스를 구현하는 것을 목표로 합니다.
교육 과정 로드맵
| Anaconda를 이용한 Python기반 가상환경 생성 |
| Tensorflow 설정 |
| Google Colab 설정 |
| 선형 회귀(Linear Regression) |
| 오차 역전파(Back Propagation) |
| 활성화 함수(activation) |
| 확률적 경사 하강법(SGD) |
| 모멘텀 |
| optimizer 옵션 |
| 하이퍼파라미터 최적화 |
| 과대적합, 수치 및 이미지 데이터 처리 모델 제작 |
| CNN, OpenCV를 활용한 딥러닝 모델의 제작 |
| LSTM, AutoKeras를 통한 모델 제작 및 웹서비스 시스템의 제작 |
교육 대상 및 전망
• 딥러닝에 입문하는 개발자
• 딥러닝의 시작을 어디서부터 해야할지 모르는 학생
• Python을 배우고 딥러닝 모델을 개발하고 싶은 구직자
• Tensorflow 모델, Flask를 통한 웹 서비스 시스템의 제작
• AutoKeras를 통한 Tensorflow 자동화 방법
교육 진행
• 실습 위주의 교육 진행
• 실습방식 : Google Colab GPU 기반의 실습
과정 강점
AutoKeras를 이용하여 기존의 입문자가 인공지능 개발에 어려워했던 부분으로, 모델 제작시 노드간의 네트워크 설계 부분을 자동화하여 중급 수준의 모델 제작과 Flask를 이용한 웹서비스 제작 기법을 실습 할 수 있습니다.
수강에 앞서
어떤게 필요한가요?
비대면 수업시 pc사양
-
교육은 이렇게 진행됩니다.
과정명 : 딥러닝 자동화(AutoKeras) + Flask Pipeline 구축 과정(금융/경제 데이터 기반)
과목명 :딥러닝 서비스 Pipeline 시스템 구축
[모듈]
딥러닝 기본 이론 및 Model 제작(24시간)
• 개발 환경 설정, Anaconda install
• Conda를 이용한 Python 3 기반 가상환경 생성
• Tensorflow 2, AutoKeras 설치
• VS Code 기반 Jupyter Notebook 커널 연동 개발 환경 구성
• 선형 회귀(Linear Regression)
• Tensorflow에서의 경사 하강법(gradient decent)
• 손실 함수, 훈련과정의 시각화
• 과적합 문제 해결과 L1, L2 규제 적용
• train_test_split, EarlyStopping, ModelCheckpoint 활용
• 혼돈 행렬(Confusion matrix), ROC 곡선, 활성화 함수
• 로지스틱 회귀(Logistic Regression) 모델의 구현
• 다중 선형 회귀(Multiple Linear Regression) 모델
• 퍼셉트론(perceptron), 오차 역전파(Back Propagation)
• 기울기 소실 문제와 활성화 함수
• 각종 회귀(Regression) 모델 제작
• 각종 이항 분류(Binary Classification) 모델 구현
• 다중 분류(Multi Classification) 모델 구현
• 원-핫 인코딩(one-hot-encoding) 활용
• 컨볼루션 신경망 CNN 모델 제작
• OpenCV를 이용한 이미지 데이터 전처리
• 순환 신경망을 이용한 LSTM 모델 제작
• 딥러닝 자동화 AutoKeras를 이용한 모델 제작 기법
• 광고에 소요되는 비용으로 클릭수 예측 모델 제작
• 부동산 가격 예측
• 펀드 수익률 예측
• 거시경제 데이터를 이용한 호황과 불황 예측
• 개인 신용 위험 예측 모델 제작
• 가계금융복지조사 데이터를 이용한 주거형태 예측 모델 제작
• 합성곱 신경망을 이용한 이미지 데이터 회귀, 분류 모델 제작
• 순환신경망을 이용한 주가 예측 모델 제작
[모듈]
딥러닝 서비스 Pipeline 시스템 구축 Project(8시간)
• Flask 개발 환경 구성,flask-cors 설치 및 Project 설정
• Flask 기본 문법
• Tensorflow model + Flask 연동 구현
• 웹 서비스 구축을 위한 Flask + Tensorflow model 연동Pipeline 시스템 구축